cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Muryan Awaludin
Contact Email
simi@unsurya.ac.id
Phone
-
Journal Mail Official
simi@unsurya.ac.id
Editorial Address
-
Location
Kota adm. jakarta timur,
Dki jakarta
INDONESIA
JSI (Jurnal sistem Informasi) Universitas Suryadarma
Published by Universitas Dirgantara Marsekal Suryadarma
ISSN : 23559675     EISSN : 25413228     DOI : 10.35968
Core Subject : Science,
Computer Science & IT
Topik dari jurnal sistem informasi ini adalah semua yang berkaitan dengan bidang ilmu sistem informasi.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 395 Documents
 36   37   38   39   40 
2335-9675 Klasifikasi Sentimen Komentar TikTok Terkait Kenaikan Harga BBM 2026 di Sumatera Selatan Menggunakan Algoritma Naive Bayes pada Orange Data Mining Shelvia Utary; Rizkia Zahratul Jannah; Pipin Asmawita; Pujianto
JSI (Jurnal Sistem Informasi) Universitas Suryadarma Vol. 13 No. 2 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Fakultas Ilmu Komputer dan Desain - Unsurya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v13i2.2108

Abstract

Penyesuaian subsidi harga Bahan Bakar Minyak (BBM) di Indonesia memicu respons publik yang luas, termasuk di wilayah Sumatera Selatan. Penelitian ini menganalisis sentimen masyarakat Sumatera Selatan terhadap kenaikan harga BBM menggunakan data komentar TikTok. Sebanyak 476 komentar yang telah melalui tahap prapemrosesan diklasifikasikan ke dalam tiga kategori: negatif, netral, dan positif. Distribusi data terdiri dari 127 instans negatif, 243 instans netral, dan 106 instans positif. Proses klasifikasi dilakukan dengan algoritma Naive Bayes Classifier melalui framework Orange Data Mining. Evaluasi model menggunakan k-fold cross-validation menunjukkan nilai Area Under Curve (AUC), Accuracy, F1-score, Precision, dan Recall sebesar 1.000. Analisis teks menggunakan word cloud dan pembobotan kata menunjukkan bahwa istilah “bbm”, “harga”, “pertalite”, “pertamax”, dan “subsidi” merupakan kata kunci dominan dalam diskusi publik. Hasil penelitian ini mengindikasikan bahwa pendekatan pemrosesan bahasa alami berbasis Naive Bayes dapat digunakan untuk memantau persepsi publik terhadap kebijakan energi di tingkat regional.
Analisis Faktor-Faktor yang Mempengaruhi Pemilihan Jurusan Perguruan Tinggi pada Siswa SMK Pendekatan Regresi Linier Yamin Nuryamin; Muryan Awaludin; Fitria Risyda
JSI (Jurnal Sistem Informasi) Universitas Suryadarma Vol. 13 No. 2 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Fakultas Ilmu Komputer dan Desain - Unsurya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v13i2.2110

Abstract

Pemilihan jurusan di perguruan tinggi merupakan keputusan krusial bagi lulusan SMK yang menentukan arah karier dan kehidupan profesional mereka. Penelitian ini bertujuan mengidentifikasi faktor-faktor dominan yang memengaruhi keputusan siswa kelas XII SMK Pembangunan Jaya Yakapi Pasar Minggu dalam memilih jurusan perguruan tinggi. Metode yang digunakan adalah survei deskriptif kuantitatif dengan instrumen kuesioner 30 butir yang disebarkan kepada 150 responden. Analisis data menggunakan statistik deskriptif, uji validitas, reliabilitas, korelasi Spearman, dan regresi linear berganda. Hasil penelitian menunjukkan bahwa minat pribadi (mean=4.32) dan prospek kerja (mean=4.18) merupakan faktor paling dominan. Keenam variabel secara bersama-sama menjelaskan 71.4% variasi keputusan pemilihan jurusan (R²=0.714, F=61.83, p<0.001). Temuan ini diharapkan menjadi acuan bagi sekolah dan perguruan tinggi dalam merancang layanan bimbingan karier yang lebih efektif bagi lulusan SMK.
Analisis Komparatif Determinan Prestasi Matematika dan Bahasa Indonesia Menggunakan Random Forest dan SHAP Muryan Awaludin; Fitria Risyda
JSI (Jurnal Sistem Informasi) Universitas Suryadarma Vol. 13 No. 2 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Fakultas Ilmu Komputer dan Desain - Unsurya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v13i2.2111

Abstract

This study aims to compare the determinants of academic performance between Mathematics and Indonesian Language subjects using an Educational Data Mining approach. Utilizing the UCI Student Performance dataset, comprising 395 Mathematics and 649 Indonesian Language students, we identified 382 students who were enrolled in both subjects through identity-based merging. Random Forest models were optimized via Grid Search and evaluated using RMSE, MAE, and R², while SHAP (SHapley Additive exPlanations) was employed for model interpretability. The results indicate that the Random Forest model achieved higher predictive accuracy for Indonesian Language (R² = 0.85) compared to Mathematics (R² = 0.78). Feature importance and SHAP analyses revealed significant differential impacts: Mathematics performance was predominantly influenced by absences (r = -0.28), study time (r = 0.31), and weekend alcohol consumption (r = -0.22), whereas Indonesian Language performance was more strongly determined by maternal (r = 0.32) and paternal (r = 0.28) education levels. We conclude that educational intervention strategies should be tailored specifically to each subject rather than applying a generalized approach.
Prediksi Tingkat Inflasi Di Indonesia Menggunakan Algortima Regresi Linier Dwi Amelia; Zera Ovilia; Elni Mefia Sinta; Pujianto
JSI (Jurnal Sistem Informasi) Universitas Suryadarma Vol. 13 No. 2 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Fakultas Ilmu Komputer dan Desain - Unsurya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v13i2.2118

Abstract

Inflasi merupakan indikator ekonomi makro yang berpengaruh signifikan terhadap stabilitas perekonomian nasional. Penelitian ini bertujuan untuk memprediksi tingkat inflasi bulanan di Indonesia menggunakan algoritma regresi linier berbasis platform Orange Data Mining. Metode yang digunakan adalah pendekatan kuantitatif dengan eksperimen komputasional, memanfaatkan dataset sebanyak 72 observasi bulanan yang memuat dua variabel prediktor, yaitu Bulan_Ke dan Siklus_Bulan, serta satu variabel target berupa Inflasi. Sebanyak 64 observasi digunakan sebagai data pelatihan dan delapan observasi sisanya sebagai data pengujian. Model dikonfigurasi tanpa regularisasi dengan intercept aktif. Hasil prediksi menunjukkan nilai inflasi berkisar antara -0,1078% hingga 0,4982%, dengan nilai tertinggi pada siklus bulan ke-12 dan terendah pada siklus bulan ke-8. Simpulan penelitian ini menunjukkan bahwa algoritma regresi linier mampu menghasilkan prediksi yang interpretatif dengan mempertimbangkan pola musiman melalui variabel Siklus_Bulan dan tren jangka panjang melalui variabel Bulan_Ke.
Pemetaan Ketimpangan Capaian Pendidikan Antarprovinsi di Indonesia Menggunakan K-Means Clustering dengan Validasi Davies-Bouldin dan Silhouette Score Moh Ali Ridla; Naurah Nadhifah; Melita Nur Azizah
JSI (Jurnal Sistem Informasi) Universitas Suryadarma Vol. 13 No. 2 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Fakultas Ilmu Komputer dan Desain - Unsurya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v13i2.2124

Abstract

The disparity in education quality between regions remains a real challenge in Indonesia, necessitating accurate regional mapping as a basis for targeted policymaking. This study aims to cluster 38 provinces in Indonesia based on educational achievement indicators to identify regions with extreme disparities. The method used is the K-Means Clustering algorithm with attribute selection and Z-Score-based data normalization stages executed using RapidMiner software. Validation of the optimal number of clusters was carried out using the Elbow Method approach and dual evaluation metrics, namely the Davies-Bouldin Index (DBI) and Silhouette Score. The results showed that the 3-cluster configuration was the most optimal, with the lowest DBI value (0.58) and the highest Silhouette Score (0.78). This clustering successfully identified two New Autonomous Regions (DOB) in Papua, namely the Papua Mountains Province and the Papua Central Province, which are included in the low (critical) education quality cluster with a very extreme gap in educational ability and illiteracy rates compared to other regions. In conclusion, the application of the K-Means algorithm based on comprehensive validation has proven effective in highlighting regional priorities, so that it can become an empirical basis for the government in its efforts to equalize educational facilities specifically in Indonesia.

Page 40 of 40 | Total Record : 395

 36   37   38   39   40 

Filter by Year

2014 2026


Reset
Filter By Issues
All Issue Vol. 13 No. 2 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 13 No. 1 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 12 No. 2 (2025): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 12 No. 1 (2025): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 11 No. 2 (2024): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 11 No. 1 (2024): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 10 No. 2 (2023): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 10 No. 1 (2023): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 9 No. 2 (2022): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 9 No. 1 (2022): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 8 No. 2 (2021): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 8 No. 1 (2021): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 7 No. 2 (2020): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 7 No. 1 (2020): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 6 No. 2 (2019): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 6 No. 1 (2019): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 5 No. 2 (2018): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 5 No. 1 (2018): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 4 No. 2 (2017): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 4 No. 1 (2017): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 3 No. 2 (2016): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 3 No. 1 (2016): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 2 No. 2 (2015): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 2 No. 1 (2015): JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol. 1 No. 1 (2014): JSI (Jurnal sistem Informasi) Universitas Suryadarma More Issue